Oleh
ii
DAFTAR ISI
iii
BAB V SIMPULAN DAN SARAN
5.1 Kesimpulan................................................................................................. 26
5.2 Saran........................................................................................................... 26
REFERENSI........................................................................................................ 27
iv
BAB I
PENDAHULUAN
1
membedakan perubahan terkecil dari besaran fisis. DFT dan FFT memiliki
resolusi sebesar fs/N yang mana fs adalah sampling rate (dalam 1 detik diambil
sebanyak fs data) dan N adalah banyaknya data hasil penyamplingan. Umumnya
keterbatasan resolusi ini diatasi dengan menggunakan fungsi windows. Namun
demikian sinyal hasil treatment ini belum sesuai dengan kenyataan atau frekuensi
sesungguhnya yang dibawa dan tergantung pada pemilihan jenis fungsi windows.
Oleh karena itu, sangat penting menyusun persamaan DFT dan FFT
dengan resolusi yang lebih tinggi dan kemudian mengimplementasikan persamaan
tersebut ke dalam suatu program.
BAB II
TINJAUAN PUSTAKA
2
Persamaan (1) digunakan untuk mentransformasikan sinyal dari domain
waktu ke dalam domain frekuensi. Dengan keterbatasan biaya eksekusi pada
komputer, maka persamaan (1),[5] khususnya bagian real, didekati dengan
3
Persamaan ini menyatakan bahwa DFT merupakan metode yang berguna
dalam menentukan amplitudo dan komponen-komponen frekuensi harmonik ke-m
dari suatu sinyal periodik atau merupakan koefisien-koefisien deret Fourier.[6]
Persamaan (7) dan (8) merupakan FFT radix-2 Decimation in Time (DIT)
yang mana sequence data dipilah menjadi dua bagian menjadi genap dan ganjil
dan menggambarkan gabungan dua DFT N/2 data. Penggunaan sifat periodik
dari fungsi kernel membuat perhitungan menjadi lebih efisien karena cukup
mengganti tanda operasi menjadi minus. Secara sederhana persamaan (7) dan (8)
digambarkan menggunakan diagram kupu-kupu (butterfly diagram) [9] yaitu:
4
Selanjutnya akan dirumuskan FFT radix-4, dengan cara DFT-N data dibagi
menjadi empat bagian sebagai berikut:
Jika kemudian indeks domain frekuensi dibagi menjadi empat bagian dengan m =
0, 1, 2, ...N/4-1 maka persamaan (10) menjadi
Dengan cara yang sama, kelas Radix-DIT yang lebih tinggi dapat dirumuskan
dengan cara sebagai berikut yaitu diawali dengan DFT N-data :
5
BAB III
LANGKAH – LANGKAH PERCOBAAN
3.1 Peralatan
Sistem Operasi Windows dan Perangkat Lunak Matlab yang dilengkapi
dengan tool box DSP
clc
t=0:.001:2;
x_t=sin(2*pi*t);
figure(1);
plot(x_t);axis([0 2010 -1.2 1.2])
X_F=fft(x_t);
figure(2);
plot(abs(X_F));axis([-100 2100 -10 1100])
x_tt=ifft(X_F);
6
figure(3);
plot(x_tt);axis([0 2010 -1.2 1.2])
x=[1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0];
stem(x)
figure(1);
stem(x);axis([0 20 -.5 1.5])
Xf=fft(x);figure(2);
stem(Xf)
stem(abs(Xf));axis([0 20 -.5 5.5])
figure(3);xtt=ifft(Xf);
stem(xtt);axis([0 20 -.5 1.5])
figure(4);
xtt=ifft(Xf);
stem(xtt);axis([0 20 -.5 1.5])
clc
Fs=10000;
t = 0:1/Fs:.0625;
y = square(2*pi*30*t);
figure(1);
plot(t,y);axis([0 0.07 -1.5 1.5])
xlabel('(a) Sinyal input kotak');
Yf = fft(y);
Yf_dB = 20*log10(abs(Yf));
figure(2)
f=1:(length(Yf)/2);
Yf_dBx=Yf_dB(1:length(Yf)/2);
plot(0.5*Fs*(f/length(Yf)),Yf_dBx);
xlabel('(b) Konversi ke domain frekuensi');
figure(3)
ytt=ifft(Yf);
plot(t,ytt);axis([0 0.07 -1.5 1.5])
xlabel('(c) Hasil pengembalian ke domain waktu');
clc;
clear;
t=3:6/1000:3;
N=2;
7
input('Jumlah sinyal: ');
c0=0.5;
w0=pi;
xN=c0*ones(1,length(t));
for n=1:2:N
theta=((-1)^((n-1)/2)-1)*pi/2;
xN=xN + 2/n/pi*cos(n*w0*t+theta);
end
plot(t,xN)
xlabel('waktu')
ylabel('x(t)')
S=fft(s,512);
w=(0:255)/256*(Fs/2);
subplot(2,1,2)
plot(w,abs(S(1:256)))
xlabel('frequency')
8
subplot(2,1,1)
plot(t,s)
xlabel('time')
S=fft(s,512); w=(0:255)/256*(Fs/2);
subplot(2,1,2)
plot(w,abs(S(1:256)))
xlabel('frequency')
BAB IV
9
PEMBAHASAN HASIL PRAKTIKUM
10
Gambar 4.3 Hasil konversi kembali dari domain frekuensi ke
dalam
domain waktu pada figure 3.
11
Gambar 4.6 hasil pembangkitan sinyal persegi dalam domain
waktu diskrit dan domain frekuensi pada figure 3
12
Gambar 4.8 Hasil pembangkitan sinyal persegi figure 1
13
Pada percobaan berikut yaitu mengkonversi kembali
pembangkitan sinyal persegi dalam domain waktu diskrit dan
domain frekuensi ke awal.
Gambar 4.11 Sinyal sinus yang memiliki frekuensi f = 5 Hz, dan amplitudo 1
Volt.
Pada percobaan berikut ini yaitu memaparkan bentuk sinyal dalam bentuk
gelombang dimana frekuensi sebesar 5Hz dan amplitude 1 Volt.
Pada percobaan fenomena gibb yaitu pada deret fourier yang banyak
digunakan untuk menghampiri suatu fungsi periodik dan terintegralkan rieman di
selang periodisasinya, tetapi akan muncul masalah ketika fungsinya memiliki titik
diskontinuitas, ketika fouriernya mengalami kelebihan dan kekurangan disekitar
titik diskontinuitasnya. Maka kejadian inilah yang disebut dengan Fenomena
14
Gibbs. Sebagai akibatnya akan muncul ripple – ripple pada sinyal yang dihasilkan
bahwa semakin besar nilai N, maka semakin banyak ripple yang muncul.
15
Gambar 4.17 Pengamatan Frekuensi Pada Sinyal Tunggal pada frekuensi
20Hz
Gambar 4.19 Pengamatan Frekuensi Pada Sinyal Tunggal pada amplitudo 4 volt
16
Gambar 4.20 Pengamatan Frekuensi Pada Sinyal Tunggal pada amplitudo 5
volt.
17
Gambar 4.22 Hasil membangkitkan 2 sinyal sinus dengan frekuensi f1
dan f2 dengan nilai frekuensi 2 = 10.
18
Pada percobaan kombinasi 2 sinyal, sinyal masukan frekuensi yang
digunakan sebanyak dua frekuensi saja sehingga sinyal gabungannya hanya
berdasarkan waktu dan dua frekuensi.dapat diamati juga semakin besar
frekeuensi dan amplitudo,semakin rapat frekuensinya.
Gambar 4.25 hasil membangkitkan 4 sinyal sinus dengan frekuensi f1, f2,
f3, dan f4.
19
yang dihasilkan, sebagai bukti adalah ripple – ripple yang dihasilkan ketika
frekuensi naik.
Gambar 4.27 Hasil membangkitkan 6 sinyal sinus dengan frekuensi f1, f2,
f3, f4, f5, dan f6.
20
BAB V
SIMPULAN DAN SARAN
5.1 Kesimpulan
5.2 Saran
REFERENSI
21
Budiyanto, Setiyo.,
2013., Telekomunikasi
analog dan digital.
Modul 1 – Sinyal
dan Spektrum – Deret
Fourier. Pusat
Pengembangan Bahan
Ajar Universitas
Mercu Buana.
2. Febriani, Yeza.,
2013., Jurnal Fisika.
Analisis Transformasi
Fourier dan
Transformasi Wavelet
Untuk Mengetahui
Periode Curah Hujan
Di Kabupaten
22
Rokan Hulu Provinsi
Riau. Universitas Pasir
Pengaraian Riau, Vol. 1,
No. 1.
3. Kreyszig, E.,2006.,
Advanced Engineering
Mathematics (9th
Edition)., United
States: John Wiley &
Sons, Inc.
4. La Dini, Budiani.,
2009., Penentuan
Periode Curah Hujan
Kabupaten Manokwari
Menggunakan
Transformasi Fourier
dan Wavelet. Skripsi.
Jurusan Fisika FMIPA
23
Universitas Negeri
Papua Manokwari.
5. Mathews, J.H. &
K.D. Fink., 1999.,
Numerical Methods
Using Matlab Third
Edition. Prentice Hall,
Upper Saddle River, NJ
07458.
Budiyanto, Setiyo.,
2013., Telekomunikasi
analog dan digital.
Modul 1 – Sinyal
dan Spektrum – Deret
Fourier. Pusat
Pengembangan Bahan
Ajar Universitas
Mercu Buana.
24
2. Febriani, Yeza.,
2013., Jurnal Fisika.
Analisis Transformasi
Fourier dan
Transformasi Wavelet
Untuk Mengetahui
Periode Curah Hujan
Di Kabupaten
Rokan Hulu Provinsi
Riau. Universitas Pasir
Pengaraian Riau, Vol. 1,
No. 1.
3. Kreyszig, E.,2006.,
Advanced Engineering
Mathematics (9th
Edition)., United
States: John Wiley &
Sons, Inc.
25
4. La Dini, Budiani.,
2009., Penentuan
Periode Curah Hujan
Kabupaten Manokwari
Menggunakan
Transformasi Fourier
dan Wavelet. Skripsi.
Jurusan Fisika FMIPA
Universitas Negeri
Papua Manokwari.
5. Mathews, J.H. &
K.D. Fink., 1999.,
Numerical Methods
Using Matlab Third
Edition. Prentice Hall,
Upper Saddle River, NJ
07458.
[1] Budiyanto, Setiyo., 2013., Telekomunikasi analog dan digital. Modul 1 –
Sinyal dan Spektrum – Deret Fourier. Pusat Pengembangan Bahan Ajar
Universitas Mercu Buana.
26
[2] Couch II, Leon.W., Digital and Analog CommunicationSystems Prentice-
Hall International, Inc., A Simon &Schuster Company, Upper Saddle
River, New Jersey,1997
[3] Febriani, Yeza., 2013., Jurnal Fisika. Analisis Transformasi Fourier dan
Transformasi Wavelet Untuk Mengetahui Periode Curah Hujan Di
Kabupaten Rokan Hulu Provinsi Riau. Universitas Pasir Pengaraian Riau,
Vol. 1, No. 1.
[6] Oppenheim, A.V., and Willsky, A.S., Sinyal dan Sistem: Jilid 1, Edisi
Kedua, Prentice Hall Inc., A Simon &Schuster/A Viacom Company, New
Jersey, 1997.
[7] Proakis, J.G., and Manolakis, D.G., Pemrosesan Sinyal Digital: Prinsip,
Algoritma, dan Aplikasi Terjemahan,Prentice Hall Inc., A Simon &
Schuster Company,Upper Saddle River, New Jersey, 1995.
[8] Smith, Winthrop W., and Joanne M. Smith, Handbook of Real-Time Fast
Fourier Transform: Algorithms toProduct Testing, IEEE, Inc., New York,
1995.
27